“已退未扫”那间房，为什么总要等保洁在群里回个“1”

上周日下午三点，你从前台路过，听见这么一段对话。

保洁在群里问：302 退了没，我在门口等着。 前台回：系统里还是“在住”，我打个电话问一下。

三分钟后，前台一边跟客人道歉一边改房态，一边接下一通电话。保洁拖着车去了别的楼层。那间房，空了四十分钟。

住过酒店的人都见过这个场面。做酒店的老板更清楚：这不是员工不努力。“房态”这件事同时躺在四个地方——PMS、OTA 后台、保洁微信群，还有前台小姑娘的脑子里。四个地方，谁跟谁都不通气。

这几年被问得最多的，不是“AI 能不能干酒店”。是几个更具体的问题。我挑四个最常被问到的，挨个说。

「我店里就三十来间房，前台俩人，房态都还没理清，现在聊 AI 是不是太早了？」

早不早，先别问 AI。先算一笔账。

你现在是怎么运转的：房态在 PMS 里，客人几点走靠前台记；保洁排班在微信群里喊；哪间房有维修，记在交接班本子上；OTA 的订单在各自后台，价格改没改过，只有改的那个人知道。早班晚班交接，口头过一遍，十来分钟。

听着还行。问题出在“交叉”的时候。

一间房从“客人退房”到“可卖”，中间要过三关：客人真的走了、前台改房态、保洁做完。三关只要卡住一关，房就卖不出去。你算一下，一年下来，空等和超卖各发生几次？超卖一次，要么赔客人，要么升级房型自己掏差价。

2026 年 9 月 11 日，爱分析发过一篇访谈，被访谈的人叫陈傲寒。他说了一句我特别认同的话：企业 AI 落地最大的瓶颈，不是模型不够聪明，是 AI 不认识你的企业。

通用大模型知道三亚冬天贵，知道退房时间通常是十二点。但它不知道你 3 号楼 5 层中间那四间在装修，不知道 802 是长包给隔壁公司的，不知道周末负责 A 区的是哪位大姐。文档问答为什么进不了经营？根子在这——“它不认识你”。

所以上 AI 的第一步，不是买个模型，是把“房间”这件事变成一个所有系统都能看懂的对象：这间房现在什么状态、上一位客人什么时候走的、谁负责扫、欠不欠维修。行业内管这叫“本体”，说白了就是给 AI 画一张你店里的地图。地图画不出来，AI 再聪明也只能陪你聊天。

「OTA 和直销的账，会计本来就在对，AI 进来能省什么？」

能省的是“找差异”的那半天，不是“记账”那两小时。

你现在月底是怎么对的：携程一张结算单、美团一张、飞猪一张、抖音来客一张，直销那头还有会员价、协议价、长包价。五张单子摊开，佣金、促销补贴、取消退款、早餐加购、发票，全混在一起。会计先拿总数对上，再一条条往下扒。扒到最后发现差三百块，可能是某天有个订单跨了账期，也可能是前台给客人免了一间房没备注。

这事最难受的地方不是钱。是它不可解释。差三百你能查半天，差三千你根本不知道从哪查起。

接进 AI 之后，流程会变成另一个样子：所有渠道的账单先按“同一间房、同一晚、同一个价”归到一张表上，差异不是按金额大小排，是按“可能的原因”排——跨账期、退改、免房、升级房型、促销分摊。人只处理被挑出来的那几条。爱分析那篇访谈里提到，过去要持续数周的分析，被压缩到分钟级。酒店的对账没那么复杂，但逻辑一样：不是让 AI 替你拍板，是让它先把该看的东西摆到你面前。

这里有个细节必须提前定死：口径。什么叫“营业额”？含不含早餐？含不含平台补贴？促销价算成交价还是原价？这些不写下来，AI 对出来的数你自己都不信。我们在这块吃过亏，后来学乖了——先把口径写成一张纸，贴在财务办公室墙上，再动系统。

「让 AI 排房、派保洁，万一得罪客人怎么办？」

这个担心是对的，而且是这四问里最重要的一个。

同一篇 9 月 11 日的访谈里还有一句话：企业愿意让 AI 提供分析建议，和愿意让 AI 直接执行关键业务操作，是两个阶段。分析完由人确认、一键执行，和 AI 自己动手，对应的风险边界完全不同。

我给的建议就一条：先只读，后写。头一两个月，AI 只干一件事——告诉你现在哪里不对。比如“A 区还有 6 间已退未扫，B 区保洁已经空转 15 分钟”，命令还是人来下。跑顺了，再放开“派工”这一步，而且必须留一个撤销按钮。

最容易翻车的三个地方，你对着看看自己中没中：

• 权限一步给到位。 上来就让 AI 改房价、改房态、给客人发短信。出一次错，全店都不信这套东西了，再推就难。
• 把“房态”当成一个字段。 实际上“可售”“可入住”“已清洁”“待查房”是四件事，各系统叫法还不一样。没统一之前，AI 报出来的数就是错的。
• 把 AI 的结论当答案，不看依据。 它说“这单该退”，你得能点开看到它是拿哪三条规则推的。看不到依据的输出，不要用。

「真要落地，我先准备什么？多久能看到东西？」

顺序我建议这么排，别跳步。

第一步，对齐三张表：房态表、工单表、账目表。核心是把“房间”这个对象定义清楚——房号是唯一主键，其他一切挂在它下面。这一步最枯燥，也最值钱。

第二步，只挑一个环节跑。 保洁调度、OTA 对账，二选一，别同时上。判断标准很简单：这个环节现在每周要花掉一个人几个小时，且结果可验证。

第三步，权限分级。 谁能看、谁能改、AI 能做什么，写清楚。宁可先窄后宽。

第四步，把老板脑子里的规则写下来。 比如“协议客户优先升房”“VIP 不接受边角房”。这些规则现在只存在于你脑子里，AI 进不来，不是它笨，是没人告诉它。

我们对酒店这类客户的规矩是：头两周只读不写，把输出和人工结果并排比。差异超过阈值，先别上线，回头查数据。这个阶段没有任何捷径，省下来的时间，后面都会以翻车的形式还回去。

顺带说一句，这件事对一人公司和小团队来说，反而是机会。酒店这一行极度分散、极度本地化，谁离门店近、谁愿意蹲在现场对齐口径，谁就能吃到这块。这不是模型能力的问题，是腿脚的问题。

最后说个反差。

2026 年 9 月 9 日，据《华尔街日报》报道，一批硅谷投资人正在把钱投向体育球队、赌场、房地产、旅游这类资产，理由是“围绕真人参与和线下体验，难以被 AI 替代”。同一天的外滩大会上，蚂蚁集团 CEO 韩歆毅讲的是另一面：AI 应用不能止步于存量提效，得让中小企业有能力参与新价值的创造。

两件事不矛盾，反而是酒店这行的写照。

客人为什么选你家，可能是因为那碗早餐的面、那个记得他姓什么的店长——这些 AI 替代不了，也不该替代。

但客人退房之后那四十分钟，保洁在门口等的那四十分钟，AI 该接过去。

这笔账你算一下：不用多，一天省下半小时的空房时间，一年是多少个晚上。